← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 2700.f.4 · 生成模型:未记录

策略奖励与价值

理解等级:中级

强化学习中的策略规定智能体在给定状态下如何选行动,可以是确定映射,也可以是行动概率分布。奖励是一步交互得到的标量反馈;价值函数估计遵循某策略从状态或状态动作出发的未来累计奖励,二者的时间尺度不同。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml) - 结论依据:原文分别定义策略、奖励和价值函数。 - 原始内容:策略π(·):是学习智能体在特定时间的行为方式,是状态到行为的映射